最大化功能：什么方法？

Question

我有一个看起来像这样的函数： f(x) = min(f_1(x_1), ..., f_n(x_n))其中n约为10，所有f_i都是正单调，平滑，它们的值几乎总是（对于所有f_i所有x_i ）不同于10倍。 所以他们似乎很适合分析。
什么是最好的（快速？）方式来最大化它有这样的约束：
- 所有x_i都是整数且小于~100
- 所有x_i乘积应该接近指定值（假设，不超过10％）

任何语言的算法描述都很受欢迎，但如果它是在Python中，那么它会好十倍:)

PS：早些时候我曾使用遗传算法，并首先将它们应用于此任务。 然而，它似乎并不是最好的选择：GA很慢，我也想不出这个问题的有效交叉操作。

Answer 1

我没有立即看到一个更好的解决方案，而不是简单地随机选择一个起始点，用每个输入x_i评估每个函数f_i，确定最小输入，然后递增给出最低结果的函数的输入。 它不优雅，并不复杂，但它是一个很好的基线蛮力方法。

int (**f_is)(int n);

//...

int xs[10];

//...

while(true) {
    int i = 0;

    int cmin = f_is[0](i);
    int cminIndex = 0;

    for(i = 1; i < 10; ++i) {
        int cfunc = (f_is[i])(i);

        if(cmin < cfunc) {
            cmin = cfunc;
            cminIndex = i;
        }
    }

    ++xs[cminIndex];
}

编辑：还有更多的东西：如果你并行计算f_i（n_i）和连接并取最小值，它会快得多，但你仍然需要一种方法来传递产生最小值的函数的索引给来电者。 我会建议哈斯克尔是一个伟大的语言来写这是因为它的方式方法比Python更快，在某些情况下，你可以毫不费力地获得巨大的并发支持。